專家表示，隨著空間變得越來越有競爭，人工智能——在軍事、民事和私營部門都有廣泛的應(yīng)用——對于推進(jìn)太空技術(shù)至關(guān)重要。

　　“太空環(huán)境繼續(xù)快速發(fā)展，”位于德克薩斯州奧斯汀和加利福尼亞州埃爾塞貢多的太空模擬和分析公司 Slingshot Aerospace 的首席執(zhí)行官梅蘭妮·斯特里克蘭 （Melanie Stricklan） 說。“我們繼續(xù)增加新用戶和新功能，以及在軌道上俯視和在地球上仰望太空的新傳感器。”

　　她在 Booz Allen Hamilton 主持的在線小組討論中說，人工智能可以提高空間領(lǐng)域意識，加速指揮和控制決策，并為衛(wèi)星及其相應(yīng)網(wǎng)絡(luò)注入彈性。

　　“今天的空間有很多限制，但我認(rèn)為人工智能解決方案確實(shí)為……國防方面的保護(hù)和防御任務(wù)[和]改善商業(yè)方面的運(yùn)營提供了一個變革機(jī)會，”斯特里克蘭說。

　　蓬勃發(fā)展的太空部隊(duì)——即將迎來它的第二個生日——已經(jīng)表示人工智能將成為未來的一項(xiàng)關(guān)鍵技術(shù)。

　　美國太空部隊(duì)在其“數(shù)字軍種愿景”文件，已經(jīng)于 5 月發(fā)布。

　　“我們將在適當(dāng)?shù)那闆r下利用機(jī)器學(xué)習(xí)和增強(qiáng)，將單調(diào)的人員配備活動分配給人工智能例程或機(jī)器人流程自動化，從而讓守護(hù)者騰出時間進(jìn)行訓(xùn)練、教育和兵棋推演，作為他們成為世界級戰(zhàn)斗力的動力的一部分，”文件說。

　　在德克薩斯州設(shè)有多個辦事處的AI 公司 Hypergiant 的空間和國防總經(jīng)理 Quentin Donnellan 表示，美國在考慮如何將 AI 應(yīng)用于空間系統(tǒng)時需要利用其軌道資產(chǎn)的獨(dú)特性。

　　他說，衛(wèi)星“在全球范圍內(nèi)實(shí)時、始終、持續(xù)地、間歇性地、在不同波長[和]云層上方收集數(shù)據(jù)”。他補(bǔ)充說，在系統(tǒng)中添加一層人工智能將使軍事和關(guān)鍵基礎(chǔ)設(shè)施實(shí)體收集新的見解。

　　亞馬遜網(wǎng)絡(luò)服務(wù)的空間技術(shù)負(fù)責(zé)人 Shayn Hawthorne 表示，在太空中還有許多人工智能和機(jī)器學(xué)習(xí)應(yīng)用尚待設(shè)想。

　　“我們都知道我們想在軌道上進(jìn)行 AI/ML，”他說。“我們知道我們想要連接到所有東西，但我們還不確定我們想要使用它執(zhí)行的所有不同任務(wù)。”

　　他說，工程師不受技術(shù)的限制，而是受作戰(zhàn)概念的限制。

　　“我們正處于海浪頂峰的時刻，很快我們就可以開始沖浪了，” Shayn Hawthorne用水上運(yùn)動類比說。開發(fā)人員將“開始考慮我們實(shí)際上可以用這項(xiàng)技術(shù)做的所有很酷的事情，而不是僅僅考慮我們?nèi)绾螌⑦@種能力帶到航天器上。”

　　專家表示，使衛(wèi)星具有人工智能面臨著許多挑戰(zhàn)。

　　“你在空間中與你的資產(chǎn)沒有持久的聯(lián)系，”唐納蘭說。“如果你有一顆低地球軌道衛(wèi)星，你可能有 7 到 10 分鐘的時間與它聯(lián)系，然后它就會消失 90 分鐘或更長時間。”

　　Booz Allen Hamilton 的負(fù)責(zé)人 Pat Biltgen 說，另一個困難是弄清楚系統(tǒng)將使用哪些數(shù)據(jù)。

　　“我們還沒有真正定義我們想要使用的所有任務(wù)，”他說。一旦開發(fā)人員確定了這些任務(wù)集，下一個問題是，“我是否有任何數(shù)據(jù)可以解決該問題？”

　　他指出，人們普遍關(guān)注在太空中應(yīng)用計(jì)算機(jī)視覺——人工智能的一個細(xì)分領(lǐng)域，目標(biāo)自動識別算法——但這帶來了挑戰(zhàn)。

　　“人們總是把它比作……識別貓的照片，”比爾特根說。“太空中的貓并不多。我們試圖從太空中尋找的東西通常很難找到——人們很難找到它們，所以算法更難找到它們。”

　　他說，這使得調(diào)整數(shù)據(jù)和構(gòu)建算法所需的模型變得困難。“我們真的需要討論哪些數(shù)據(jù)是可用的，以及我們?nèi)绾问褂盟鼇順?gòu)建我們可以信任的模型，”他補(bǔ)充道。

　　但 Donnellan 表示，要獲得對 AI 算法的信任還有很長的路要走，尤其是在數(shù)據(jù)集有限的領(lǐng)域等領(lǐng)域。

　　“這條道路充滿了模擬和合成數(shù)據(jù)，”他說。“我們將不得不真正加倍進(jìn)行人在循環(huán)訓(xùn)練活動，您可以在其中積極加強(qiáng)參與 ML 決策或 AI 決策的代理。”

　　Biltgen 解釋說，合成數(shù)據(jù)是從模擬或模型中創(chuàng)建的信息，用于填補(bǔ)算法的空白，通常應(yīng)用于不經(jīng)常發(fā)生的活動。

　　他說：“它還允許我們模擬基本上完全不可能的事情，只是為了看看系統(tǒng)在這些情況下會如何響應(yīng)。” “這是訓(xùn)練模型的非常強(qiáng)大的推動力。”